Oszustwa telefoniczne z klonowaniem głosu AI: Jak działają i jak się chronić

Na początku 2026 roku FBI wydało biuletyn ostrzegający, że oszustwa wykorzystujące klonowanie głosu przez AI stały się jedną z najszybciej rosnących kategorii przestępstw finansowych w Stanach Zjednoczonych. Technologia pozwalająca przestępcom odtworzyć głos dowolnej osoby na podstawie zaledwie trzech sekund nagrania — a następnie prowadzić w czasie rzeczywistym rozmowy telefoniczne brzmiące dokładnie jak ta osoba — przeszła z ryzyka czysto teoretycznego do statusu powszechnie dostępnej infrastruktury przestępczej. Zrozumienie mechaniki tych ataków to pierwszy krok do ochrony siebie i swojej rodziny.

Jak działa klonowanie głosu

Nowoczesne modele AI do klonowania głosu potrafią wygenerować przekonującą replikę czyjegoś głosu na podstawie bardzo krótkiej próbki audio. Wcześniejsze modele wymagały wielu godzin nagrań treningowych. Dzisiejsze wiodące narzędzia — wiele z nich dostępnych za darmo w internecie — potrafią stworzyć przekonujący klon na podstawie próbki trwającej 3–10 sekund. Próbka może pochodzić z dowolnego źródła: poczty głosowej, filmu na YouTube, nagrania z TikToka, występu w podcaście czy nagranej rozmowy telefonicznej. Powstały w ten sposób klon można wykorzystać na żywo, co pozwala przestępcy prowadzić rzeczywistą rozmowę sklonowanym głosem, z naturalnie brzmiącymi odpowiedziami.

Jakość takich klonów bywa różna. Klony osób o charakterystycznym głosie (silny akcent, nietypowa barwa) są nieco mniej przekonujące niż klony osób o bardziej przeciętnej charakterystyce wokalnej. Ale „nieco mniej przekonujące” w tym kontekście wciąż oznacza wystarczająco przekonujące, by oszukać członka rodziny, który nie spodziewa się oszustwa — zwłaszcza gdy rozmowa jest celowo skonstruowana tak, by wywołać poczucie pilności i stres emocjonalny.

Oszustwo „rodzinnej sytuacji kryzysowej”

Najpopularniejsze oszustwo wykorzystujące klonowanie głosu AI przebiega według przewidywalnego schematu. Członek rodziny — często dziadek, babcia lub rodzic — odbiera telefon z nieznanego numeru. Dzwoniący brzmi dokładnie jak jego dziecko lub wnuk. „Członek rodziny” jest w rozpaczliwej sytuacji: miał wypadek samochodowy, siedzi w areszcie, pilnie potrzebuje pieniędzy na kaucję. Do rozmowy dołącza druga osoba — zwykle podająca się za prawnika, policjanta lub poręczyciela kaucyjnego — która wyjaśnia szczegóły finansowe: przelew, karty podarunkowe, kryptowaluty. Pilność sytuacji w połączeniu z przekonującym głosem „członka rodziny” sprawia, że ofiary działają, zanim zdążą pomyśleć o weryfikacji.

To oszustwo jest druzgocąco skuteczne. Według danych FTC z 2025 roku ofiary tracą średnio 11 000 dolarów na incydent. Wiele osób wstydzi się to zgłosić, co oznacza, że rzeczywiste liczby są prawdopodobnie wyższe. Oszustwo działa, ponieważ uderza w najsilniejszy ludzki instynkt — ochronę rodziny — i wykorzystuje zaufany głos, by zwarciowo wyłączyć krytyczne myślenie.

Oszustwa głosowe wymierzone w firmy

Klonowanie głosu przez AI jest też wykorzystywane w oszustwach korporacyjnych. Najczęstszą odmianą jest tzw. „oszustwo na prezesa”: dział finansowy firmy odbiera telefon głosem swojego CEO, który pilnie każe autoryzować przelew do nowego dostawcy lub partnera. Numer dzwoniącego jest często sfałszowany tak, by wyświetlał nazwisko CEO lub wiarygodny numer firmowy. Narracja pilności („jestem na spotkaniu, muszę mieć to załatwione do końca dnia roboczego”) zniechęca odbiorcę do zatrzymania się i weryfikacji.

Ataki wymierzone w firmy zwykle celują w przedsiębiorstwa średniej wielkości, gdzie kontrole finansowe są mniej rygorystyczne niż w dużych korporacjach, a jednocześnie kwoty transakcji są znaczące. W udokumentowanych przypadkach pojedyncze incydenty powodowały straty od 50 000 do 2,5 miliona dolarów. W przeciwieństwie do oszustw wymierzonych w konsumentów, oszustwa firmowe często pozostają niezgłoszone, ponieważ firmy niechętnie ujawniają publicznie naruszenia bezpieczeństwa.

Klonowanie w czasie rzeczywistym podczas rozmów wideo

Nowym i szczególnie niepokojącym wariantem jest klonowanie głosu i twarzy w czasie rzeczywistym podczas rozmów wideo. Grupy przestępcze wykorzystywały tę technikę do podszywania się pod kierownictwo firm podczas wideorozmów rekrutacyjnych, przekonując firmy do zatrudnienia fikcyjnych osób. W 2025 roku FBI odnotowało znaczną liczbę przypadków, w których zdalni kandydaci do pracy w czasie rzeczywistym zastępowali swoją twarz i głos za pomocą AI, by podawać się za inne osoby — w niektórych przypadkach osoby, których tożsamość skradziono, w innych za fikcyjne postaci złożone z wielu tożsamości. Po zatrudnieniu osoby te miały dostęp do systemów firmowych, danych uwierzytelniających i wrażliwych informacji.

Sygnały ostrzegawcze rozmowy z klonem głosu

W oszustwach wykorzystujących sklonowany głos powtarza się kilka wzorców. Skrajna pilność: prawdziwe sytuacje kryzysowe pozostawiają czas na weryfikację. Członek rodziny, który naprawdę ma kłopoty, będzie w stanie zadzwonić ponownie; oszust będzie się sprzeciwiał każdej zwłoce. Żądanie nietypowych metod płatności: żadna legalna instytucja prawna, medyczna czy rządowa nie wymaga zapłaty kartą podarunkową, kryptowalutą ani przelewem na nieznane konto. Opór wobec weryfikacji: oszuści będą zdecydowanie zniechęcać do rozłączenia się i oddzwonienia do danej osoby na znany numer, często podając wiarygodnie brzmiące powody („telefon jest zepsuty”, „nie może odebrać”, „liczy się każda sekunda”). Eskalacja emocjonalna: oszuści celowo podnoszą intensywność emocjonalną, by utrzymać ofiarę w stanie reaktywnym, a nie refleksyjnym.

Sama jakość głosu czasem może zdradzić oszustwo. Warto zwrócić uwagę na: lekko robotyczne posmaki brzmienia przy niektórych głoskach (zwłaszcza syczących i szczelinowych); nietypowo stałą energię i tempo wypowiedzi (sklonowane głosy nie mają naturalnej zmienności prawdziwej mowy pod wpływem stresu); krótkie chwile artefaktów dźwiękowych, gdy klon „oblicza” odpowiedź; oraz nieco dłuższe niż naturalne opóźnienie w reakcjach.

Rodzinne hasło bezpieczeństwa

Najskuteczniejszą obroną przed oszustwami typu „rodzinna sytuacja kryzysowa” jest ustanowienie rodzinnego hasła bezpieczeństwa — kodowego słowa, o które każdy członek rodziny może poprosić w dowolnej rozmowie, by zweryfikować, że rozmawia rzeczywiście z bliską osobą. Takie hasło powinno być: łatwe do zapamiętania, ale niemożliwe do odgadnięcia na podstawie publicznie dostępnych informacji; znane wyłącznie najbliższej rodzinie; nigdy niezapisywane w formie cyfrowej; oraz ustalone podczas rozmowy twarzą w twarz, a nie przez SMS czy e-mail. W prawdziwej sytuacji kryzysowej prawdziwy członek rodziny będzie znał hasło. Oszust posługujący się sklonowanym głosem — nie.

Techniczne zabezpieczenia dla firm

Dla firm najskuteczniejsze zabezpieczenia mają charakter proceduralny, a nie technologiczny. Autoryzacja wieloosobowa dla transakcji finansowych powyżej określonego progu — wymagająca dodatkowego zatwierdzenia, niezależnie od tego, kto o nią prosi. Weryfikacja przez oddzwonienie — każda prośba finansowa złożona telefonicznie powinna zostać zweryfikowana przez oddzwonienie do osoby proszącej na znany numer z firmowej bazy danych, a nie na numer, z którego zadzwoniono. Potwierdzenie innym kanałem — weryfikacja prośby przez odrębny kanał komunikacji (e-mail, Signal, rozmowa osobista) przed podjęciem działania. Te procedury są niewygodne, ale działają. Niewygodna prawda jest taka, że większość firmowych oszustw głosowych udaje się dlatego, że firmy pod presją czasu nie przestrzegają własnych zasad kontroli finansowej.

Co zrobić, jeśli padłeś celem ataku

Jeśli odbierzesz telefon, co do którego podejrzewasz, że to oszustwo z użyciem sklonowanego głosu: natychmiast się rozłącz i nie płać niczego. Zadzwoń bezpośrednio do rzekomego członka rodziny lub współpracownika na znany, zweryfikowany numer, by upewnić się, że nic mu nie grozi. Zgłoś incydent do Internet Crime Complaint Center (IC3) FBI na stronie ic3.gov, do FTC na reportfraud.ftc.gov oraz na lokalną policję. Jeśli pieniądze zostały już wysłane, natychmiast skontaktuj się z bankiem lub platformą płatniczą — odzyskanie środków jest często możliwe, jeśli zgłoszenie nastąpi szybko, zwłaszcza w przypadku przelewów. Transakcje kartami podarunkowymi trudniej cofnąć, ale natychmiastowe zgłoszenie do firmy wydającej kartę daje największą szansę.

Aspekt detekcji

Narzędzia do wykrywania klonowania głosu przez AI — w tym analiza audio SUS IT — potrafią zidentyfikować sklonowane nagranie, badając charakterystykę spektralną, wzorce mikroczasowe i fizjologiczne markery, które występują w prawdziwej ludzkiej mowie, a których synteza AI nie odtwarza idealnie. Narzędzia te działają najlepiej na nagranym dźwięku, a nie na rozmowach w czasie rzeczywistym, dzięki czemu są szczególnie przydatne do: weryfikacji podejrzanych nagrań poczty głosowej, analizy materiału dowodowego po popełnieniu oszustwa oraz przesiewowej kontroli nagranych rozmów firmowych w zautomatyzowanych systemach monitorowania. Analiza rozmów w czasie rzeczywistym to aktywnie rozwijany obszar — pierwsze produkty na poziomie operatorów zaczęły pojawiać się w 2026 roku.

Szerszy obraz

Oszustwa oparte na klonowaniu głosu przez AI to zapowiedź świata, w którym dowolne nagranie audio lub wideo danej osoby może zostać wykorzystane, by sprawiać wrażenie, że powiedziała cokolwiek. Odpowiedź musi mieć charakter zarówno kulturowy, jak i technologiczny — budowanie nawyku weryfikacji, ustanawianie protokołów rodzinnych i firmowych oraz traktowanie materiałów audio-wideo z tą samą podejrzliwością, jaką nauczyliśmy się stosować wobec e-maili (gdzie phishing jest dziś powszechnie rozpoznawanym zagrożeniem). Technologia umożliwiająca klonowanie nigdzie nie zniknie. Budowanie obrony przed nią to praca, którą trzeba zacząć już dziś.